谷歌邀馬斯克聯手做AI游戲！DeepMind版Sora是個3D游戲引擎 profile-avatar
這個大佬們都在押注的方向，真的要火了～
夢晨 發自 凹非寺
量子位 | 公眾號 QbitAI
下一代世界模型炸場，一張圖生成無限多樣的3D游戲世界。
谷歌推出Genie 2，可響應鍵鼠操作，可玩、可控制。
與此前研究相比，Genie 2擁有長期記憶，即使玩家把視角轉開，再回來時也可穩定渲染世界中已存在的部分。
游戲世界中還可以有其他AI NPC存在，與玩家控制的角色進行復雜交互。
這意味著任何人都可以用文字描述他們想要的世界，選擇最喜歡的呈現方式，然后進入這個世界并與之互動！
這下，沉迷《暗黑破壞神4》的馬斯克都覺得很酷，隨后DeepMind創始人Hassabis邀請他一起做個AI游戲。
關鍵馬部長他還真答應了～
結合馬斯克此前聲稱，xAI將開辦一家AI游戲工作室，兩者聯手的可能性還真不低。
不過谷歌DeepMind搞這項研究，可不光是為了給人類玩游戲的——
AI具身智能體，邁向AGI的途徑
Genie 2可用于訓練和評估具身智能體，通過創建豐富多樣的環境，可以生成AI在訓練期間沒見過的評估任務。
比如通過文字指令，訓練智能體打開正確的門。
谷歌表示盡管這項研究仍處于早期階段，在智能體和環境生成能力方面仍有大量改進空間……
但我們相信Genie 2是解決在安全訓練具身智能體的同時，滿足實現通往通用人工智能（AGI）所需的廣度和通用性要求。
此前，世界模型研究在很大程度上僅限于建模一個狹窄的領域，比如一個模型只能模擬《我的世界》像素風格游戲的Oasis。
谷歌在Genie 1中實現了生成多樣2D世界的方法。
Genie 2則完成了向生成豐富3D世界的飛躍，展示了世界模型的涌現能力，包括對象交互、復雜的角色動畫、物理模擬，以及建模并預測其他智能體行為的能力。
從同一幀出發，但玩家的操作不同，可以生成不同的運動軌跡。
這意味著可以模擬反事實體驗（counterfactual experiences）用于訓練智能體，也就是從“假如當時采取另一種行動會怎樣”中獲得經驗。
智能體還可以在3D世界中學會與其他對象交互，如氣球挨打就會爆。
實現這一切，靠的依然是擴散模型。
Genie 2是一種自回歸潛空間擴散模型，在大型視頻數據集上訓練。
（是誰擁有Youtube里上億小時的游戲視頻數據，我不說）
經過自編碼器處理后，視頻的Lantent frames被傳遞到一個大型Transformer動力學模型，該模型使用與大型語言模型類似的因果掩碼進行訓練。
在推理時，Genie 2可以自回歸方式采樣，對單個操作和過去的幀逐幀執行，使用classifier-free guidance來提高操作可控性。
此外，谷歌還透露，現在給出的視頻示例都是由為蒸餾的模型生成，以展示可能性。
蒸餾模型可以做到實時控制，但會降低輸出質量。
One More Thing
就在2天前，李飛飛創業公司World Labs也推出了從單個圖像生成3D世界技術。
這個大佬們都在押注的方向，真的要火了～
參考鏈接：
[1]https://x.com/elonmusk/status/1864388977866006639
[2]https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/
- GPT-5-Thinking新訓練方法公開：讓AI學會懺悔2025-12-04
- GPT5.5代號“蒜你狠”曝光！OpenAI拉響紅色警報加班趕制新模型，最快下周就發2025-12-03
- 華爾街尬捧TPU學術界懵了：何愷明5年前就是TPU編程高手，多新鮮2025-11-30
- 混元OCR模型核心技術揭秘：統一框架、真端到端2025-11-30
相關閱讀
